[发明专利]一种社区搜索方法、模型训练方法及相关装置

说明书

本申请实施例公开了一种社区搜索方法、模型训练方法及相关装置，可应用于人工智能、机器学习等各种场景。该方法中，先获取图数据的标注数据，该标注数据中包括该图数据中的标注节点对象及其标注结果，根据该图数据中各个基础节点与该标注节点对象之间的关系和各个基础节点的基本特征，确定该图数据的上下文表示矩阵。根据该图数据的上下文表示矩阵，确定查询节点对象的上下文表示特征，根据该查询节点对象的上下文表示特征和该图数据中除查询节点对象之外的其它基础节点的上下文表示特征，确定该图数据中与该查询节点对象所属于同一社区的基础节点，组成该查询节点对象的社区搜索结果，更灵活准确地对查询节点对象确定社区搜索结果。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种社区搜索方法、模型训练 方法及相关装置。

背景技术

图是一种由节点集合和连接边集合组成的数据结构，其能够反映该节点 集合中各节点之间的关联关系；在较大规模的图数据中，存在内部节点紧密 连接、但与外部节点稀疏连接的稠密子图，此类稠密子图被称为社区。社区 搜索旨在针对给定的查询节点，在图数据中搜索与该查询节点属于同一社区 的节点；社区搜索在社交网络平台上的好友推荐、广告投放、信息推荐等场 景中发挥着重要作用。

相关技术中，通常通过以下方式实现社区搜索：1)预先利用已有的社区 检测算法将图数据中包括的社区全部检测出来并建立索引，对于给定的查询 节点，通过查询索引来返回其所属社区内的全部节点。2)将社区定义为固定 模式的稠密子图，如k-core、k-truss、k-connected component等，采用对应的 图算法在图数据中查询节点的周边搜索这些固定模式的子图，并将搜索到的 子图中的节点作为社区搜索结果返回。

然而，上述社区搜索方法在实际应用中取得的效果并不理想，受限于所 采用的社区检测算法的精细度、固定的稠密子图定义模式，现有的社区搜索 方法往往难以灵活准确地针对查询节点确定社区搜索结果。

发明内容

本申请实施例提供了一种社区搜索方法、模型训练方法及相关装置，能 够灵活准确地针对查询节点确定社区搜索结果。

有鉴于此，本申请第一方面提供了一种社区搜索方法，所述方法包括：

获取图数据的标注数据；所述图数据包括多个基础节点，所述标注数据 中包括所述图数据中的标注节点对象及其标注结果，所述标注结果包括与所 述标注节点对象所属于同一社区的基础节点；

根据所述图数据中各个基础节点与所述标注节点对象之间的关系、以及 所述各个基础节点的基本特征，确定所述图数据的上下文表示矩阵；所述基 础节点与所述标注节点对象之间的关系是根据所述标注结果确定的，所述上 下文表示矩阵包括所述图数据中各个基础节点的上下文表示特征；

根据所述上下文表示矩阵，确定所述图数据中的查询节点对象的上下文 表示特征；

根据所述查询节点对象的上下文表示特征、以及所述图数据中除所述查 询节点对象之外的其它基础节点的上下文表示特征，确定所述查询节点对象 的社区搜索结果；所述社区搜索结果包括所述图数据中与所述查询节点对象 所属于同一社区的基础节点。

本申请第二方面提供了一种模型训练方法，所述方法包括：

基于第一训练图数据，对图神经网络的编码器进行自监督预训练；所述 第一训练图数据包括多个训练节点，所述编码器用于根据图数据中各个基础 节点与标注节点对象之间的关系、以及所述各个基础节点的基本特征确定所 述图数据的上下文表示矩阵，所述上下文表示矩阵包括所述图数据中各个基 础节点的上下文表示特征；